실시간 근전도 신호 기반 동작 인식 그래프 신경망 모델

손가락 프로테시스와 증강 현실을 제어하기 위해 정확하고 즉각적인 손 동작 인식이 필수적이다. 이 목적을 위해 forearm에서 얻은 표면 근전도(sEMG) 신호가 일반적으로 사용된다. 이 논문에서는 근육 활성화 패턴에 대한 정보를 포함하는 그래프 네트워크를 사용하여 sEMG 표현을 위한 새로운 접근 방식을 제안한다. 이러한 그래프 네트워크를 기반으로 그래프 신경망(graph neural network)을 사용한 실시간 손 동작 인식 알고리즘을 개발하였다. 이 알고리즘의 성능은 myoband에서 8개의 전극이 forearm 주변에 배치된 8명의 건강한 피험자에서 sEMG 신호를 사용하여 평가되었다. 제안된 방법은 현재까지의 가장 뛰어난 기술을 능가하는 평균 분류 정확도 99%를 보였다. M1 프로 CPU를 사용할 때 그래프 생성과 예측에 걸리는 평균 시간은 48ms로, 실시간 응용 프로그램에 적합한 접근 방식이다.